EVOCHAMBER: Test-Time Co-evolution of Multi-Agent System at Individual, Team, and Population Scales
📄 EVOCHAMBER: Test-Time Co-evolution of Multi-Agent System at Individual, Team, and Population Scales #多智能体协同 #测试时演化 #强化学习 #知识迁移 #无训练方法 🔥 8.0/10 | 前25% | #多智能体协同 | #测试时演化 | #强化学习 #知识迁移 | arxiv 学术质量 7.0/8 | 影响力 0.75/2 | 可复现性 0.8/1 | 置信度 高 👥 作者与机构 第一作者：Yaolun Zhang（Oregon State University， AG2AI, Inc.）， Tianyi Xu（University of Wisconsin–Madison） 通讯作者：未明确指定（提供了多位作者的邮箱） 作者列表：Yaolun Zhang (Oregon State University, AG2AI, Inc.), Tianyi Xu (University of Wisconsin–Madison), Shengyu Dai (Johnson & Johnson), Zhenwen Shao (Johnson & Johnson), Qingyun Wu (Pennsylvania State University, AG2AI, Inc.), Huazheng Wang (Oregon State University, AG2AI, Inc.) 💡 毒舌点评 论文核心创新在于提出了一个非对称的知识路由机制（CoDream），有效解决了多智能体测试时演化中“专业化稀释”与“跨智能体学习缺失”的两难问题，并在三个异构任务流上取得了扎实的性能提升。然而，其框架的复杂度和高达3.6倍的单智能体推理成本是一个明显的短板，在追求“演化智能”的同时，如何控制“智能成本”是其走向实用化的关键挑战。此外，对启发式阈值的依赖和有限的评估模型规模，也使其结论的泛化性面临质疑。 ...